YOLOv8n 모델을 onnx모델로 export합니다. from ultralytics import YOLO model = YOLO("yolov8n.pt") model.export(format="onnx") yolov8n.onnx 파일이 생성됩니다. ONNX 모델로 Detection 라이브러리 설치후 import합니다. !pip install onnxruntime import onnxruntime as ort 모델을 불러옵니다. model = ort.InferenceSession("yolov8n.onnx") 모델 RUN outputs = model.get_outputs() output = outputs[0] outputs = model.run(["output0"], {"images":input}) outp..

원문 파이토치와 텐서플로는 오늘날 가장 인기 있는 두 가지 딥 러닝 프레임워크입니다. 어떤 프레임워크가 더 우수한지에 대한 논쟁은 오랫동안 지속되어 온 논쟁거리이며, 각 진영은 열렬한 지지자를 보유하고 있습니다. PyTorch와 TensorFlow는 비교적 짧은 기간 동안 매우 빠르게 발전해 왔기 때문에 토론 환경은 계속 진화하고 있습니다. 오래되거나 불완전한 정보가 넘쳐나며, 특정 영역에서 어떤 프레임워크가 우위에 있는지에 대한 복잡한 논의가 더욱 난해해지고 있습니다. 텐서플로는 업계 중심 프레임워크로, 파이토치는 연구 중심 프레임워크로 정평이 나 있지만, 이러한 개념은 부분적으로 오래된 정보에서 비롯된 것임을 알게 될 것입니다. 2023년에는 어떤 프레임워크가 최고로 군림할지에 대한 논의가 훨씬 더 ..

다중 클래스, 다중 레이블 다중 클래스 분류는 두 개 이상의 클래스가 있는 분류 작업을 의미합니다. 예를 들어 오렌지, 사과 또는 배일 수 있는 과일 이미지 집합을 분류하는 것과 같은 작업입니다. 다중 클래스 분류는 각 샘플이 하나의 레이블에만 할당된다고 가정합니다. 즉, 과일은 사과일 수도 있고 배일 수도 있지만 동시에 두 가지 모두일 수는 없습니다. 다중의 class가 존재할 수 있는 output에서, 하나를 선택하는 것입니다. categorical_crossentropy를 활용 다중 레이블 분류는 각 샘플에 대상 레이블 세트를 할당합니다. 다중의 정답이 동시에 존재할 수 있는 것입니다. 이는 문서와 관련된 주제와 같이 상호 배타적이지 않은 데이터 포인트의 속성을 예측하는 것으로 생각할 수 있습니다...

TENSORBOARD란 머신러닝 모델, 데이터, 학습 시각화 툴입니다. iter별 이미지가 분류되는 모습을 시각화 할 수 있고 HTML 삽입 미리보기할 수 없는 소스 학습중인 이미지를 볼 수 있고 생성되는 모델 구조도 볼 수 있고 텐서보드에 스칼라를 입력하여 그래프도 볼 수 있습니다. 사용방법 1. 설치 기본적으로 파이토치가 설치되어 있어야 합니다. pip install tensorboard 2. 라이브러리 추가 및 호출 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter('log_dir 경로') #`log_dir`의 기본값은 "runs"입니다. 3. 텐서보드에 쓰기(작업공간 안에 log_dir 경로=runs폴더 안에 파일이 ..

데이터셋 : 30프레임 1초짜리 영상 train 610개 test 153 총 용량 1기가 배치사이즈 2로 한번 학습(Epoch) 하는데 약 7분 총 20번 학습하도록 했는데 그러면 약 140분이 걸립니다.. GPU사용률을 더 올리는 방법을 찾아보고 안된다면 그래픽카드 구매를 고려해봐야겠습니다. 배치 처리 배치(batch) 단위로 데이터를 처리하여 GPU 사용률을 향상시킬 수 있습니다. GPU는 병렬 처리를 지원하므로, 여러 데이터 샘플을 동시에 처리하면 GPU 사용률이 높아집니다. 배치 크기(batch size)를 적절히 설정하여 GPU를 효율적으로 활용할 수 있습니다. num_workers ++ (Multi Process Data Loading) 가장 간단히 해결할 수 있는 방법은 data를 가져오는 ..

pip나 최신버전으로 설치하니 에러가 떠서 0.8.11버전으로 설치하니 제대로 설치가 됩니다.

데이터 호출 from tensorflow.keras.layers import LSTM from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Embedding from tensorflow.keras.layers import Dense import numpy as np from tensorflow.keras.datasets import imdb (x_train_all, y_train_all), (x_test, y_test) = imdb.load_data(skip_top=20, num_words=1000) for i in range(len(x_train_all)): x_train_all[i] = [w for w in..